植被聚集指数（clumping index, CI）描述叶子在植被冠层中的随机和聚集分布情况。当叶子随机分布时，CI为1；当叶子聚集分布时，聚集指数小于1。自然界中大多数的叶子呈现聚集分布状态（CI < 1）。对同样的冠层叶面积，由于叶子在空间的分布情况不同，冠层对太阳辐射和降水的截获以及营养元素在冠层中的分布都会不同。聚集指数是陆表生态和过程模型中的关键参数。忽略聚集指数的影响，将导致对植被总初级生产力（GPP）和蒸散发（ET）的错误估算。

利用多角度遥感观测数据可以估算得到植被聚集指数。目前的估算方法主要基于CI和归一化热点和冷点（NDHD）指数之间的相关关系。但是目前的算法没有考虑不同的二向反射率（BRDF）模型以及太阳角度（SZA）对于热点和冷点本身及相关系数的影响，给产品的估算带来很大的不确定性。对于聚集指数遥感产品的验证，目前通常采用的是地面实测点与卫星产品直接对比的方法。这种验证方法受尺度的影响很大，亟需提出新的关于聚集指数的地面验证方法。

中国科学院地理科学与资源研究所博士生魏珊珊和导师方红亮针对以上问题进行了研究。（1）他们借助地面实测叶面积指数和高空间分辨率影像数据，通过对不同BRDF模型和SZA估算的聚集指数进行对比分析，提出了估算聚集指数的最佳BRDF模型和SZA。（2）针对植被稀疏地区CI难以估算的难题，他们提出利用倾斜观测数据估算CI的方法，较好地解决了植被稀疏地区CI估算的问题。（3）针对聚集指数的非线性特征，他们提出借助植被孔隙率进行尺度转换的方法，大大降低了由于尺度效应给聚集指数产品验证带来的误差。（4）研究表明植被聚集指数有很强的季相变化特征，通常随着植被叶面积指数的增加植被冠层的聚集程度也相应增强。

他们的研究结果为利用高空间分辨率数据和多角度遥感数据估算植被聚集指数提供了理论依据。利用该研究提出的改进算法，该团队开展了全球聚集指数产品的生成。该产品将有助于进一步提高陆表GPP和ET的估算精度。

该研究获得了中国国家自然科学基金的支持。相关研究发表在《环境遥感》期刊（Wei, S., & Fang, H. Estimation of canopy clumping index from MISR and MODIS sensors using the normalized difference hotspot and darkspot (NDHD) method: The influence of BRDF models and solar zenith angle. Remote Sensing of Environment, (2016)187, 476-491）。